[發明專利]一種基于動態移動裝置行為預測的邊緣轉網方法

有效

• 申請號: 202110834476.5
• 申請日: 2021-07-23
• 公開（公告）號: CN113301169B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 王賀;高健倫;顧志誠
• 申請（專利權）人: 杭州雅觀科技有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06F9/50
• 代理公司: 杭州中港知識產權代理有限公司 33353
• 代理人: 施建勇

1.一種基于動態移動裝置行為預測的邊緣轉網方法，其特征在于，包括以下步驟：

步驟S1，建立邊緣節點架構：所述邊緣節點架構，包括云端、邊緣計算服務器和移動裝置；所述邊緣計算服務器和云端通信連接；所述移動裝置和邊緣計算服務器通信連接構成局網；所述邊緣計算服務器連接有無線基站，任意兩個邊緣計算服務器負責的無線基站沒有交叉；

步驟S2，建立第一層的服務交握聯動機制，邊緣計算服務器對其所屬的局網中的移動設備進行狀態追蹤；移動裝置采集包含硬件、網絡、位置的信息，并建立信息采集列表，然后將信息采集列表定期上傳至邊緣計算服務器；邊緣計算服務器，將所有移動裝置的信息上傳至云端匯總；

然后同時執行步驟3和步驟4；

步驟S3，若邊緣計算服務器服務的移動裝置的個數超負荷，調整移動裝置的部署；

步驟S4，建立并更新行為預測模型：采用隱馬爾科夫模型并重新定義參數，得到行為預測模型；

行為預測模型中，隱藏狀態序列I，定義為移動裝置的實際的位置狀態的序列；觀察狀態序列O，定義為無線基站的狀態的序列，此序列為所有無線基站觀測狀態的集合；狀態轉移矩陣A，定義為移動裝置的位置狀態轉移概率矩陣，表示隱藏狀態轉移概率的狀態轉移矩陣；觀測狀態生成的概率矩陣B，定義為無線基站的狀態轉移概率矩陣，表示移動裝置的隱藏狀態與無線基站觀測狀態之間轉移概率的集合；隱藏狀態概率分布Π，定義為無線基站的初始狀態概率，將此參數設定為1；

模型建立的方式是通過所有移動裝置的歷史移動路徑來建立模型，先從云端的數據庫中調取目前所有記載的移動裝置的歷史移動路徑，載入模型，采用Baum-Welch算法，訓練完畢后導出行為預測模型的參數λ=(A,B,Π)，分別為移動裝置的位置狀態轉移概率矩陣、無線基站的狀態轉移概率矩陣、無線基站的初始狀態概率；

步驟S5，邊緣計算服務器判斷移動裝置是否移動；若移動，則通過行為預測模型，計算出移動裝置未來移動路徑上的目標邊緣計算服務器，否則重復本步驟；

采用Forward算法來預測無線基站的狀態的序列O發生的概率，根據移動裝置本次連線以來的移動記錄序列代入行為預測模型后采用Forward算法預測 狀態發生的概率，然后計算出移動裝置未來移動路徑上的目標邊緣計算服務器；

步驟S6，邊緣計算服務器，向移動后的移動裝置傳送目標邊緣計算服務器的聯網信息，移動裝置向目標邊緣計算服務器發送連線信息，使得移動裝置和目標邊緣計算服務器之間建立服務交握；

邊緣計算服務器，觸發第二層的服務交握聯動機制，即，當前邊緣計算服務器與目標邊緣計算服務器建立服務交握，通知目標邊緣計算服務器啟動預載服務，并傳送預載服務所需的資源信息。

2.根據權利要求1所述的一種基于動態移動裝置行為預測的邊緣轉網方法，其特征在于，所述云端，配置有存儲本架構中所有邊緣計算服務器信息和所有移動裝置信息的數據庫，并負責完成移動裝置的行為預測模型的訓練；

所述云端，設置有架構部署單元、移動裝置行為預測模型訓練單元和數據庫；

所述架構部署單元，調整整個架構的部署，調取數據庫中的移動裝置信息，追蹤每個移動裝置和其對應連線的邊緣計算服務器之間的平均響應時間；

所述移動裝置行為預測模型訓練單元，構建移動裝置的行為預測模型并對其訓練，訓練完畢之后更新該移動裝置的行為預測模型；

所述數據庫，采用關系型數據庫管理系統，記錄本架構中所有邊緣計算服務器信息和所有移動裝置信息，包括計算服務器信息的部署和聯網信息、移動裝置的狀態和聯網信息、移動裝置的歷史移動路徑。

3.根據權利要求2所述的一種基于動態移動裝置行為預測的邊緣轉網方法，其特征在于，所述邊緣計算服務器，為附近的移動裝置提供資源服務，并掌握附近移動裝置的移動行為，同時，邊緣計算服務器還與其附近的邊緣計算服務器通信連接；

所述邊緣計算服務器，設置有架構部署輔助單元、服務提供單元、狀態追蹤單元、移動裝置行為預測單元、預載通信單元、轉網交握上單元、輕量數據庫。

4.根據權利要求3所述的一種基于動態移動裝置行為預測的邊緣轉網方法，其特征在于，所述移動裝置，為生成請求數據或傳感數據的用戶設備；所述移動裝置，設置有服務接收單元、轉網交握下單元、信息采集單元。